[发明专利]数据获取方法和装置、相似度计算方法和装置及存储介质

权利要求书

1.一种数据获取方法，其特征在于，使一个或多个处理器执行：

训练模型，以再现第一数据集所具有的多个第一数据要素与和所述多个第一数据要素各自对应的预标签的对应，所述模型是向量神经网络型的算法，所述模型具有一个以上的神经元层，所述一个以上的神经元层分别具有一个以上的神经元群，所述一个以上的神经元群分别具有一个以上的神经元，所述一个以上的神经元分别输出基于第一向量和第一激活中的至少一方的第一中间数据；以及

向经训练后的所述模型输入所述第一数据集，并将一个以上的所述神经元输出的所述第一中间数据与所述神经元相关联地获取。

2.一种相似度计算方法，其特征在于，用于使一个或多个处理器执行采用预先训练后的模型，

所述模型已被训练，以再现第一数据集所具有的多个第一数据要素与和所述多个第一数据要素各自对应的预标签的对应，

所述模型采用向量神经网络型的算法，并具有一个以上的神经元层，所述一个以上的神经元层分别具有一个以上的神经元群，所述一个以上的神经元群分别具有一个以上的神经元，所述一个以上的神经元分别输出基于第一向量和第一激活中的至少一方的第一中间数据，

所述方法包括：

向经训练后的所述模型输入所述第一数据集，并将一个以上的所述神经元输出的所述第一中间数据与所述神经元相关联地获取；

向所述模型输入第二数据要素，关于一个以上的所述神经元层中的各个神经元层，获取基于一个以上的所述神经元所具有的第二向量和第二激活中的至少一方的第二中间数据；以及

关于一个以上的所述神经元层，计算所述第一中间数据与所述第二中间数据的相似度。

3.根据权利要求2所述的相似度计算方法，其特征在于，所述相似度计算方法还包括：

输出所计算出的与所述相似度相关的信息。

4.根据权利要求2或3所述的相似度计算方法，其特征在于，所述相似度计算方法还包括：

向所述模型输入所述第二数据要素，并对所述第二数据要素的标签进行判别。

5.根据权利要求4所述的相似度计算方法，其特征在于，所述相似度计算方法还包括：

输出所述标签的判别结果。

6.根据权利要求2所述的相似度计算方法，其特征在于，

所述神经元层具有多个所述神经元，

获取所述第一中间数据包括：

获取多个所述神经元分别具有的所述第一中间数据；以及

使第一局部范围与对应的所述第一中间数据相关联，所述第一局部范围是与所获取的所述第一中间数据对应的所述第一数据要素的一部分，

获取所述第二中间数据包括：

获取多个所述神经元分别具有的所述第二中间数据；以及

使第二局部范围与对应的所述第二中间数据相关联，所述第二局部范围是与所获取的所述第二中间数据对应的所述第二数据要素的一部分，

计算所述相似度包括：

计算所述第一局部范围的所述第一中间数据与和所述第一局部范围对应的所述第二局部范围的所述第二中间数据的所述相似度。

7.根据权利要求6所述的相似度计算方法，其特征在于，

与所述相似度相关的信息包括指示进行了所述相似度的计算的所述第一局部范围及所述第二局部范围的局部范围信息。

8.根据权利要求6或7所述的相似度计算方法，其特征在于，

所述神经元层是由多层构成的层级结构，

计算所述相似度包括：

在每个所述神经元层中计算所述第一局部范围的所述第一中间数据与和所述第一局部范围对应的所述第二局部范围的所述第二中间数据的所述相似度。